本书作为基础理论教材，它以浅显易懂的语言为来自不同学科领域的研究生和研究人员提供有力指导。本书共十章，分别是：复杂网络基本概念、复杂网络模型、网络鲁棒性、网络传播动力学、网络演化博弈、数据挖掘、大规模复杂网络数据获取及存储、节点影响力排序、网络聚类技术分析、推荐系统和链路预测。这些内容由浅入深，对不同的读者，侧重点不同。

1．基本情况： 卜湛，男，1987年出生，博士，副教授，硕导，ACM/CCF会员，信息工程学院软件工程专业系主任，主要承担本科生《数据挖掘》及研究生《复杂网络理论》教学工作，研究方向包括复杂网络、数据挖掘及人工智能。在南京航空航天大学就读博士期间，曾在美国阿拉巴马大学伯明翰分校进行为期1年的访问研究，博士学位论文入选江苏省计算机协会2015年度江苏省优秀博士论文。近年来在数据挖掘和人工智能等领域的国际权威期刊和会议发表了包括TKDE，TCYB，KAIS，INUFUS，KBS在内的30余篇学术论文。2．学术水平： 代表性期刊论文（*表示通信作者）1) Zhan Bu, Zhiang Wu*, Jie Cao, Yichuan Jiang, Local Community Mining on Distributed and Dynamic Networks from a Multiagent Perspective, IEEE Transactions on Cybernetics, vol. 46, no. 4, pp. 986-999, 2016. (SCI: 4.943)2) Hui-Jia Li

复杂网络作为一门新兴科学，是对复杂系统的抽象和描述。对于任何包含大量组成单元的复杂系统，当把构成单元的节点、单元之间的相互关系抽象为边时，都可以当作复杂网络来研究。复杂网络并不仅仅是我们在媒体上看到的所谓的互联网，它研究的是网络现象，而世界上除了互联网以外，复杂网络的例子在自然界和人类社会中比比皆是，包括自然界中天然存在的星系、食物链网络、神经网络、蛋白网络；人类社会中存在的社交网络、传染病传播网络、知识传播网络；人类创造的交通网络、通信网络、电力网络、计算机网络等。这些网络不仅在规模上巨大，在结构上复杂，而且在时间、空间上都具有动态的复杂性。复杂网络还是研究复杂系统的一种角度和方法，它关注系统中个体相互关联作用的拓扑结构，是理解复杂系统性质和功能的基础，是对存在的网络现象及其复杂性进行解释的学科。它同样还作为研究复杂系统的一个新兴工具，可以较为形象、准确地描述系统主体之间的联系，因此它在计算机、生命科学等领域得到了广泛的应用。 随着复杂网络理论的深入研究、网络规模的不断扩大，网络的内部结构特性产生了海量的数据，单纯研究小规模网络已无法满足研究人员的需求，因此，在数据驱动下分析复杂网络成为当下的主流方法。但是，就目前已有的著作看，它们仅仅是系统地介绍复杂网络涉及的内容和研究进展，讲述网络拓扑特性与模型，复杂网络上的传播行为、相继故障、搜索算法和社团结构，以及复杂网络的同步与控制等基础知识，并没有将复杂网络分析与大数据挖掘相结合，这将严重限制对复杂网络的分析。因此，本书将复杂网络与数据分析相结合，为相关领域的研究人员提供有价值的参考。 本书在作者科研团队多年讲授相关课程和从事...